Makalah ini menyajikan pendekatan untuk SemEval-2026 Task 3, yang berfokus pada analisis sentimen berbasis aspek dimensial. Penelitian ini menyelidiki metode untuk memprediksi skor bernilai riil yang halus untuk valensi dan gairah sentimen daripada label kategorikal tradisional.
- Tim berpartisipasi dalam Subtask 1, memprediksi skor untuk aspek yang diberikan, dan Subtask 3, mengekstrak set lengkap detail sentimen termasuk aspek, kategori, opini, dan skor.
- Untuk tugas regresi, pendekatan menggunakan ensemble tertimbang dari model encoder berbasis transformer.
- Untuk input bahasa Rusia, metode ini meningkatkan data dengan menggunakan model bahasa besar untuk menghasilkan deskripsi sentimen sintetis.
- Untuk tugas ekstraksi, LLM dekoder di-fine-tune untuk melakukan prediksi terstruktur, mengidentifikasi elemen sentimen dan memperkirakan skor numerik secara bersamaan.